Glauco Cardozo
SISTEMA DE AVALIAÇÃO POSTURAL PARA SUPORTE NO PROCESSO DE DECISÃO CLÍNICA
Dissertação submetida ao Programa de Pós Graduação em Engenharia Elétrica da Universidade Federal de Santa Catarina para a obtenção do Grau de Mestre em Engenharia Elétrica com ênfase em Engenharia Biomédica. Orientador: Prof. Dr. Fernando Mendes de Azevedo.
Florianópolis 2012
Catalogação na fonte elaborada pela biblioteca da Universidade Federal de Santa Catarina
A ficha catalográfica é confeccionada pela Biblioteca Central. Tamanho: 7cm x 12 cm
Fonte: Times New Roman 9,5 Maiores informações em:
Glauco Cardozo
SISTEMA DE AVALIAÇÃO POSTURAL PARA SUPORTE NO PROCESSO DE DECISÃO CLÍNICA
Esta Dissertação foi julgada adequada para obtenção do Título de “Mestre”, e aprovada em sua forma final pelo Programa Pós Graduação em Engenharia Elétrica.
Florianópolis, 08 de Agosto de 2012. ________________________
Prof. Patrick Kuo Peng, Dr. Coordenador do Curso Banca Examinadora:
________________________ Prof. Fernando Mendes de Azevedo, Dr.
Orientador
Universidade Federal de Santa Catarina ________________________ Prof. Jeferson Brum Marques, Dr. Universidade Federal de Santa Catarina
________________________ Prof.ª Daniela Ota Suzuki, Dr.ª Universidade Federal de Santa Catarina
________________________ Prof. Fernando Diefenthaeler, Dr. Universidade Federal de Santa Catarina
Este trabalho é dedicado aos meus colegas de classe e meus queridos pais.
AGRADECIMENTOS
Agradeço primeiramente à minha família por todo apoio que recebi, permitindo assim a realização deste trabalho. Agradeço também à fisioterapeuta Maíra Junkes Cunha pela colaboração, ao professor Fernando Mendes de Azevedo por acreditar neste projeto, assim como aos demais professores e colegas do IEB-UFSC que me ajudaram a realizar este trabalho.
“Muitos dos maiores fracassos da vida ocorreram com pessoas que não sabiam o quão perto estavam do sucesso quando desistiram.”
RESUMO
De acordo com a OMS (Organização Mundial da Saúde), aproximadamente 85% da população mundial tiveram, tem ou terão algum problema relacionado à coluna ao longo da vida. Destes, cerca de 90% será resolvido por meio de tratamento fisioterapêutico, sendo que para o sucesso do tratamento, um diagnóstico correto, assim com um acompanhamento adequado é de suma importância. Considerando que a maioria dos métodos atualmente utilizados pelos profissionais de saúde não adota uma estratégia de quantização adequada, observa-se certa subjetividade nos dados obtidos por meio da avaliação observacional. Da mesma forma, a falta de critérios com uma organização lógica dos parâmetros analisados dificulta a repetibilidade do procedimento, por vezes, comprometendo a definição do diagnóstico e a escolha do tratamento. Neste contexto, sistemas especialistas (SEs) podem ser considerados ferramentas úteis para o profissional de Saúde, pois oferecem a possibilidade de tratar a informação de forma lógica e seqüencial, processando o conhecimento de maneira a auxiliar no diagnóstico, na tomada de decisão clínica e na evolução do paciente quanto à terapêutica. De maneira complementar, a utilização de ferramentas que envolvem a biofotogrametria computadorizada é capaz de proporcionar a extração de métricas mais fidedignas, a fim de alimentar tal sistema especialista, e assim, pode auxiliar o profissional da área da saúde na tomada de decisão e na padronização das avaliações. O sistema desenvolvido agrega ferramentas de biofotogrametria em conjunto com um sistema especialista. O sistema possibilita a utilização de várias bases de SE diferentes, de acordo com o tipo de avaliação que estiver sendo feita. Como método de validação das ferramentas de biofotogrametria, comparou-se as medidas feitas com o sistema desenvolvido com as mesmas medidas feitas com um sistema (PAS/SAPO) já validado e utilizado por profissionais da área. Além de auxiliar o fisioterapeuta no seu diagnóstico e na escolha do melhor tratamento, a integração destes recursos visa proporcionar maior confiança ao paciente, possibilitando melhor visualização da evolução do seu tratamento, por meio de dados quantitativos.
Palavras-chave: Avaliação Postural, Inteligência Artificial, Sistema Especialista, Biofotogrametria computadorizada.
ABSTRACT
According to WHO (World Health Organization), approximately 85% of the population had, has or will have any problem related to the spine throughout life. From these, approximately 90% will be cured by physiotherapy, considering a correct diagnosis with appropriate monitoring for the treatment success. Considering that the most of methods currently used by health professionals do not adopt an appropriate quantization strategy, there is some subjectivity in the data obtained through observational assessment. Likewise, the lack of criteria with a logical organization of the analyzed parameters complicates the repeatability of the procedure, sometimes compromising the diagnosis definition and treatment choice. In this context, Expert Systems (SEs) can be a useful tool for the professional health, because they offer the possibility to process information in a logical and sequential way, processing knowledge in order to assist in diagnosis, clinical decision making, prognosis and in the patient evolution related to treatment. In a complementary way, the use of tools involving computerized biophotogrammetry is able to provide reliable extraction of metrics in order to feed such an expert system, and thus can assist the health professional on the decision-making and standardizing of evaluations. Thus, this paper describes the development of a postural assessment system for the diagnosis, which uses computerized biophotogrammetry tools and expert systems. This method has been quite promising, assisting health professionals on the decision-making and standardizing of evaluations. The system developed combines photogrammetry tools and an expert system. The system allows the use of different bases of different SE´s, according to the type of the assessment that is being made. The validation process of the tools was made by the comparison with other photogrammetry system that was developed with the same measures, the PAS (Photogrammetry Assessment System), which has already been validated and it is used by professionals. In addition to assisting the physiotherapist in diagnosis and in choosing the best treatment, the integration of these resources is intended to provide greater confidence to the patient, allowing better visualization of the evolution of its treatment by means of quantitative data.
Keywords: Postural Assessment, Artificial Intelligence, Expert System, Computerized biophotogrammetry.
LISTA DE FIGURAS
Figura 2.1 – Pontos anatômicos nas diversas vistas de um paciente. Estes pontos são posicionados no corpo do paciente antes da aquisição das imagens, e servem para auxiliar o avaliador durante a extração de métricas. ... 32 Figura 2.2 – Simetrógrafo. Aparelho utilizado pelo avaliador como referência na observação de assimetrias. ... 34 Figura 2.3 – Exemplos de imagens digitais. Em (a), imagem de 300x300 pixels, com 72 dpi e 256 tons de cinza. Em (b), imagem com apenas 4 níveis de cinza. Em (c), imagem com resolução de 30x30 pixels. ... 38 Figura 2.4 – Modelo de cor RGB representado por um cubo tridimensional. ... 40 Figura 2.5 – Sensor CCD utilizado na aquisição e digitalização de imagens. ... 42 Figura 2.6 – Estrutura de um Sistema Especialista, sendo esta composta basicamente por uma memória de trabalho, uma base de regras e uma máquina de inferência. ... 46 Figura 2.7 – Estrutura do sistema Intellec System. Este é composto pelo sistema principal e por duas DLLs, sendo uma responsável pelas telas de interação com o usuário e outra referente à máquina de inferência... 51 Figura 2.8 – Interface do sistema Intelle System com as janelas de lista de variáveis, lista de regras e lista de perguntas. ... 52 Figura 2.9 – Janela de perguntas ao usuário. Nesta janela são cadastradas as perguntas que serão feitas ao usuário durante a execução do sistema especialista... 53 Figura 2.10 – Janela com árvore de decisão. Nesta janela é apresentado os caminhos tomados pela máquina de inferência durante a execução do SE. ... 54 Figura 3.1 – Processo de avaliação postural. O processo engloba a aquisição das imagens do paciente, o processamento e o armazenamento destas imagens. ... 57 Figura 3.2 - Diagrama de Caso de Uso representando o Sistema de Avaliação Postural. De acordo com este diagrama, um usuário do sistema pode cadastrar um avaliador, assim como um paciente. Ele pode também criar uma avaliação referente ao paciente cadastrado e efetuar um processamento e armazenar esta avaliação... 61
avaliação. De acordo com ele o avaliador pode fazer a aquisição de imagens, efetuar um calibração sobre as mesma, fazer a extração de métricas, assim como executar uma base de sistema especialista e armazenar dados oriundos da anamnese. ...62 Figura 3.4 – Estrutura de dados do sistema. O sistema representa um prontuário composto pelos dados do paciente e por suas avaliações. Cada avaliação possui um avaliador, uma base de sistema especialista, os dados e as imagens do paciente. Já as imagens do paciente são compostas pelos dados descritivos e por de medidas realizadas sobre as mesmas. ...63 Figura 3.5 - Diagrama de Classes da estrutura geral do Sistema. Este diagrama apresenta as classes do sistema computacional assim como a interação existente entre as mesmas. ...65 Figura 3.6 - Interação entre o Sistema Especialista e o Sistema de Avaliação Postural. ...67 Figura 3.7 - Diagrama de Classes com estrutura hierárquica dos objetos de desenho. ...70 Figura 3.8 - Interface do Sistema de Avaliação Postural (Physio Easy), composto por ferramentas de biofogrametria, e um sistema especialista. ...78 Figura 3.9 - Barra de ferramentas gerais e cadastro de paciente. Na barra de ferramentas tem-se a opção de abrir, salvar ou criar um novo prontuário. Já no cadastro de paciente é possível armazenar as informações básicas referentes ao mesmo. ...79 Figura 3.10 – Lista de avaliações do sistema. Cada paciente pode ter N avaliações. ...80 Figura 3.11: Avaliação aberta na área principal. Nesta janela são exibidas as informações da avaliação como dada e avaliador responsável, os dados físicos do paciente, o resultado do sistema especialista assim como as informações referentes à anamnese. ...81 Figura 3.12 - Formulário com os dados físicos do paciente. ...81 Figura 3.13 - Sistema especialista, com as respostas e os índices de certeza. ...82 Figura 3.14 - Janela de perguntas do Sistema Especialista. ...82 Figura 3.15: Janela com informação sobre o Sistema Especialista. ...83
Figura 3.16 - Formulário de avaliação funcional. ... 84
Figura 3.17 - Lista de Imagens referentes a uma avaliação ... 84
Figura 3.18 - Ferramentas de biofotogrametria. ... 85
Figura 3.19 - Janela de Zoom Auxiliar. ... 87
Figura 3.20 – Propriedades de uma imagem. ... 88
Figura 3.21 – Calibração das de medidas de uma imagem... 89
Figura 3.22 - Janela de configurações padrão do sistema. ... 91
Figura 4.1 - Quadro com imagens para validação. Foram utilizadas imagens com medidas conhecidas para a validação linear e angular. ... 93
Figura 4.2 - Configuração do sistema de aquisição de imagens para validação. A distância entre o quadro e o centro da lente, assim como entre está ultima e o chão, foram pré definidas e ajustadas. ... 94
Figura 4.3 - Realização de medidas durante o processo de validação. .. 95
Figura 4.4 - Medidas realizadas durante os testes funcionais. Foram utilizadas medidas lineares e angulares, sendo para cada caso utilizada uma medida maior e outra menor. ... 97
Figura 5.1 – Sistema de avaliação postural - Physio Easy. ... 99
Figura 5.2 – Método de Bland-Altman para as quatro medidas realizadas. ... 103
Figura 5.3 – Página principal do site para divulgação do sistema Physio Easy. ... 107
LISTA DE QUADROS
Quadro 3.1 - Estrutura principal do arquivo de armazenamento de dados, contendo uma tag para paciente e outra para o grupo de avaliações. ... 72 Quadro 3.2 - Estrutura para armazenamento dos dados de uma paciente, contendo as tag referentes às informações do mesmo. ... 73 Quadro 3.3 - Estrutura para armazenamento dos dados de uma avaliação, contendo as tag referentes às informações da mesma, como a base do sistema especialista assim como o grupo de imagens. ... 73 Quadro 3.4 - Estrutura para armazenamento dos dados de um avaliador, contendo as tag referentes às informações do mesmo. ... 74 Quadro 3.5 - Estrutura para armazenamento dos dados referentes à avaliação de um paciente. ... 74 Quadro 3.6 - Estrutura para armazenamento dos dados referentes à imagem de um paciente, assim como os objetos contidos na mesma. ... 75 Quadro 3.7 - Estrutura para armazenamento de um objeto de medida linear e suas características. ... 75 Quadro 3.8 - Estrutura para armazenamento de um objeto de linha base vertical e suas características. ... 76 Quadro 3.9 - Estrutura para armazenamento de um objeto de linha base horizontal e suas características. ... 76 Quadro 3.10 - Estrutura para armazenamento de um objeto de medida angular e suas características. ... 76
LISTA DE TABELAS
Tabela 5.1 – Resultado das medidas lineares realizadas pelos diferentes voluntários durantes os testes métricos. Cada voluntário realizou 10 medidas de mesma dimensão em áreas distintas da imagem. ...101 Tabela 5.2 – Medidas angulares realizadas pelos 5 diferentes voluntários sobre um ângulo fixo de 15° distribuído em 5 diferentes posições da imagem. ...102 Tabela 5.3 – Medidas resultantes do teste métrico, referente ao erro de paralaxe. ...102 Tabela 5.4 – Valores das medidas lineares e angulares, referentes a ambos os sistemas, coletados pelo avaliador 1. ...104 Tabela 5.5 - Valores das medidas lineares e angulares, referentes a ambos os sistemas, coletados pelo avaliador 2. ...105 Tabela 5.6 - Valores das medidas lineares e angulares, referentes a ambos os sistemas, coletados pelo avaliador 3. ...106 Tabela 5.7 – Valores de correlação entre as medidas realizadas sobre dois sistemas avaliados. ...106
SE - Sistema Especialista
OMS - Organização Mundial da Saúde INSS - Instituto Nacional de Seguro Social SAPO – Sistema de Avaliação Postural DPI – Dots Per Inches
CIE - Comission Internacionale de l`Eclairage RGB – (Red, Green, Blue)
YIQ - (Luminância, em-fase, quadratura) HSI - (Matiz, Saturação, Intensidade). OpenGL - Open Grafic Library
OpenCV - Open Source Computer Vision Library API - Application Programming Interface GUI - Graphic User Interface
CCD - Charge-Coupled Device VGA - Video Graphics Array
SUPER VGA - Super Video Graphics Array JPEG - Joint Photographic Experts Group IA - Inteligência Artificial MC - Medida Crença MD - Medida de Descrença H - Hipótese E - Evidência FC - Fator de Certeza P - Probabilidade
IEB-UFSC - Instituto de Engenharia biomédica – Universidade Federal de Santa Catarina
DLLs - Dynamic-link library
IDE - Integrated Development Environment UML - Unified Modeling Language XML - eXtensible Markup Language W3C - World Wide Web Consortium SVG - Scalable Vector Graphics IMC - Índice de Massa Corporal
A1 - Ângulo formado entre os acrômios e plano horizontal L1 - Distância entre os pontos mediais da patela direita e esquerda A2 - Ângulo de alinhamento da cabeça
LISTA DE SÍMBOLOS Novo Prontuário Abrir Salvar Salvar Como Nova Avaliação Excluir Editar Rodar Confirmar Nova Imagem Capturar Imagem Seleção Medida Linear Medida Angular Linha Base Vertical
Linha Base Horizontal Linha Guia
Tons de Cinza Zoom Mais Zoom Menos
Zoom Auxiliar Propriedades Visualizar Não Visualizar Bloquear Espessura Cor Calibração Avaliador Padrão Avaliadores
SUMÁRIO 1 INTRODUÇÃO ... 27 1.1 OBJETIVOS ...28 1.1.1 Objetivo Geral ...28 1.1.2 Objetivos Específicos ...28 1.2 MOTIVAÇÃO ...28 2. FUNDAMENTAÇÃO TEÓRICA ... 30 2.1 AVALIAÇÃO POSTURAL ...30 2.1.1 Problemas Posturais ...30 2.1.2 Avaliação Observacional ...31 2.1.3 Deficiências nos Métodos Atuais ...34 2.2 BIOFOTOGRAMETRIA ...35 2.2.1 Imagem ...36 2.2.2 Pixel ...37 2.2.3 Cores ...39 2.2.4 Processamento de Imagem e OpenCV ...41 2.2.5 Aquisição e Armazenamento...42 2.2.6 Extração de Métricas ...43 2.3 SISTEMA ESPECIALISTA ...44 2.3.1 Estrutura ...45 2.3.2 Construção de um Sistema Especialista ...47 2.3.3 Tratamento de Incerteza ...48 2.3.4 Shell para Sistema Especialista ...50 2.3.5 Intellect System ...50 2.3.6 Sistemas Especialistas na Saúde ...54 3. MATERIAIS E MÉTODOS ... 56 3.1 SISTEMA ...56 3.2 DESENVOLVIMENTO DO SOFTWARE ...58 3.2.1 Projeto ...58 3.2.2 Aspectos Gerais ...62
3.3.1 Prontuário ... 78 3.3.2 Avaliações ... 80 3.3.3 Imagens ... 84 3.3.4 Configurações... 90 4. VALIDAÇÕES ...92 4.1 TESTES MÉTRICOS ... 92 4.2 VALIDAÇÕES FUNCIONAIS ... 96 5. RESULTADOS E DISCUSSÕES ...99 5.1 PHYSIO EASY ... 99 5.2 VALIDAÇÕES ... 101 5.3 EXTENSÃO ... 107 6. CONCLUSÃO ...109 6.1 SUGESTÕES FUTURAS ... 110 REFERÊNCIAS ...111 APÊNDICE A – Diagrama de Classe do Sistema. ...116 APÊNDICE B – Questionário de avaliação funcional. ...117 APÊNDICE C – Arquivo “.sap” referente a um prontuário...119 APÊNDICE D – Termo de Consentimento e Esclarecimento. ...123 APÊNDICE E – Questionário de Avaliação baseado no QUIS. ...125
1 INTRODUÇÃO
A postura de uma pessoa pode ser definida pela posição de todos os segmentos corporais observados em um determinado momento (PENHA et al., 2008). Diante de uma análise postural. Uma postura adequada ocorre quando o corpo é mantido em equilíbrio com o mínimo de gasto de energia possível (SHUMWAY-COOK et al, 2001; PENHA et al., 2008).
A postura correta representa um hábito que contribui para o bem-estar do indivíduo (KENDALL, 2007), pois ela determina a quantidade e a distribuição do esforço sobre os vários ossos, músculos, tendões, ligamentos e discos, e caracteriza-se por um aspecto essencial: o alinhamento correto da coluna vertebral (MOFFAT et al, 2002).
Segundo a Organização Mundial da Saúde (OMS), cerca de 85% da pessoas no mundo tiveram, tem ou terão algum tipo de problema relacionado à coluna ao longo de suas vidas. Dentre todos estes casos, aproximadamente 90% serão resolvidos por meio de tratamento com fisioterapeuta. Isto demonstra a grande necessidade de um diagnóstico correto assim como um acompanhamento adequado ao longo do tratamento.
Da mesma forma, dados do INSS (Instituto Nacional de Seguro Social), demonstram que problemas relacionados à coluna, são hoje um dos maiores fatores por afastamento do trabalho no Brasil.
Desta forma, cada vez mais o profissional de fisioterapia é requisitado a tratar este tipo de problema. Sendo que para o sucesso do tratamento, um diagnóstico correto, assim com um acompanhamento adequado é suma importância.
Contudo a avaliação puramente observacional não permite verificar pequenas alterações, dando margem a erros e variações entre examinadores. Desta forma a utilização da fotogrametria pode facilitar a quantificação das variáveis morfológicas relacionadas à postura, trazendo dados mais confiáveis. Fato este, torna-se importante para a credibilidade da fisioterapia clínica. (IUNES, 2005).
Um bom diagnóstico fisioterapêutico depende da utilização de técnica de exames criteriosos, com uma organização lógica do conhecimento que, a partir do saber geral, é possível especificar o que deve ser mensurado no caso em questão (VIEL, 2001). Assim, é extremamente importante estabelecer um método seqüencial a fim de garantir que nada passe despercebido (GROSS, 2000).
Neste contexto, sistemas especialistas (SEs) podem ser considerados ferramentas úteis para o profissional de Saúde, pois
oferecem a possibilidade de tratar a informação de forma lógica e seqüencial, processando conhecimento de maneira a auxiliar no diagnóstico, na tomada de decisão clínica, no prognóstico e na evolução do paciente quanto à terapêutica. Tais sistemas são compostos por regras pré-estabelecidas, sendo capaz de computá-las de acordo com a informação de entrada, tendo assim como objetivo o papel de reproduzir o conhecimento do especialista humano.
1.1 OBJETIVOS 1.1.1 Objetivo Geral
Desenvolver um sistema com a finalidade de auxiliar os profissionais da saúde no diagnóstico de problemas posturais, diminuindo a subjetividade da avaliação puramente observacional, auxiliando-os na tomada de decisão clínica.
1.1.2 Objetivos Específicos
Implementar um software composto por ferramentas de biofotogrametria e um sistema especialista;
O sistema também fará o armazenamento das informações de cada paciente, a fim de proporcionar o acompanhamento do quadro clínico durante todo o tratamento;
Promover um programa de extensão a fim de divulgar o sistema desenvolvido, permitindo aos profissionais da saúde o acesso ao mesmo.
1.2 MOTIVAÇÃO
Em pesquisa realizada com fisioterapeutas, constatou-se certa carência na obtenção de métricas confiáveis que relate o estado do paciente. Constatou-se também, a necessidade de padronização de tais medidas, que por vezes se apresentam de forma subjetiva. Além disso, é de suma importância que se possa realizar um acompanhamento da evolução do tratamento, podendo assim constatar a melhora do paciente.
Atualmente existem sistemas compostos por ferramentas de auxílio ao profissional de saúde. No entanto, estes sistemas são voltados ao uso em laboratório, sendo o seu manuseio relativamente complexo e um pouco demorado para o uso clínico.
Desta forma, a necessidade de um sistema simples e rápido que auxilie os fisioterapeutas durante a consulta e tratamento dos seus pacientes apresenta-se como uma ferramenta que venha a proporcionar uma melhor qualidade e rapidez no atendimento. Além de fornecer ao paciente uma maior confiabilidade e satisfação em relação ao diagnóstico e evolução do tratamento.
2. FUNDAMENTAÇÃO TEÓRICA
2.1 AVALIAÇÃO POSTURAL
A postura pode ser descrita como disposição relativa do corpo em determinado momento. Esta, por sua vez, é um composto de posições das diferentes articulações do corpo naquele momento. Sendo que cada articulação pode ter um efeito sobre a outra (MAGEE, 2002).
Classicamente, o alinhamento postural ideal é definido, a partir de uma vista lateral, como uma linha reta na vertical, que passa pelo lobo da orelha, dos corpos das vértebras cervicais, da ponta do ombro, na linha média do tórax, através dos corpos das vértebras lombares, ligeiramente posterior à articulação do quadril, discretamente anterior ao eixo da articulação do joelho e imediatamente ao maléolo lateral (KISNER, 1985).
Em um alinhamento postural ideal, espera-se que toda a estrutura corpórea, com seus músculos e articulações, encontre-se em equilíbrio, tendo o mínimo de esforço e sobrecarga, proporcionando assim uma ótima eficiência do aparelho locomotor (KENDALL, 2007). Por tanto, qualquer posição que aumente o estresse sobre as articulações, pode ser vista como uma postura inadequada (MAGEE, 2002).
Apesar de haver um consenso em relação à boa postura e suas implicações, a postura corporal é um fenômeno complexo e de difícil mensuração. No entanto, há várias décadas, a avaliação da postura corporal na posição ortostática, tem sido amplamente utilizada como um instrumento de diagnóstico, planejamento e acompanhamento do tratamento fisioterapêutico (IUNES, 2005).
2.1.1 Problemas Posturais
Várias características anatômicas podem afetar uma postura correta. Estes fatos podem causar problemas adicionais quando combinados com condições patológicas ou congênitas. Tais patologias podem ser conseqüência do efeito cumulativo de pequenos estresses repetidos durante longo período de tempo, ou de estresses anormais durante um tempo menor (MAGEE, 2002).
O problema postural mais comum é o mau hábito postural, onde, por alguma razão, o indivíduo não mantém uma boa postura. Este tipo de situação é observado em indivíduos que permanecem em pé ou
sentado por longos períodos de tempo. Dentre as causas da má postura pode-se citar principalmente o desequilíbrio muscular e a contratura muscular. Outras causas como a dor, fraqueza geral e excesso de peso, também podem ser responsáveis pela má postura do indivíduo (MAGEE, 2002).
A maioria dos defeitos posturais não-estruturais é relativamente fácil de ser corrigido após o problema ser identificado. Já as alterações estruturais, causadas por fatores congênitos, quase sempre exigem uma intervenção cirúrgica (MAGEE, 2002).
Entre as deformidades relacionadas à coluna vertebral, vamos encontrar a Lordose, a Cifose e Escoliose.
A lordose é uma curvatura anterior excessiva da coluna vertebral. Patologicamente trata-se de um exagero das curvas normais da coluna cervical e lombar. As causas de aumento da lordose incluem: deformidade postural, frouxidão muscular, problemas congênitos, etc (MAGEE, 2002).
A cifose é uma curvatura posterior exagerada da coluna vertebral. Do ponto de vista patológico, trata-se de um exagero da curva normal observada na coluna torácica. Várias causas podem gerar cifose, entre elas estão: a tuberculose, fraturas por compressão vertebral, compensação juntamente com lordose, tumores, doenças congênitas, etc (MAGEE, 2002).
A escoliose é uma curvatura lateral da coluna vertebral. Este tipo de deformidade é geralmente o tipo mais visível, especialmente em suas formas mais graves, podendo ser do tipo estrutural e não-estrutural. A escoliose não-estrutural pode ser causada por problemas posturais, histeria, irritação de raízes nervosas, inflamação, etc (MAGEE, 2002).
2.1.2 Avaliação Observacional
Para efetuar adequadamente uma avaliação postural, o paciente deve estar com o mínimo de roupa possível, afim de que estas não interfiram na avaliação. O paciente também deve ser examinado na postura relaxada adotada habitualmente. Estas avaliações devem ser com o paciente na posição em pé, sentada e deitada. Sendo a posição em pé a mais adotada. Ao observar um paciente em relação a alterações posturais, o examinador investiga a presença de alguma assimetria como possível indicação do que pode estar causando o defeito postural (MAGEE, 2002).
Na posição em pé o avaliador, irá examinar a vista anterior, a posterior e as laterais. Em todas as posições analisadas o avaliador tomará como referência a linha vertical da gravidade (assim como um pêndulo). Todos os seguimentos que, de acordo com os critérios do avaliador, não estiverem compatíveis com este eixo perpendicular ao solo, podem ser considerados em desequilíbrio (BIENFAIT, 1993).
Durante a observação, o avaliador se baseia em um conjunto de pontos anatômicos (Figura 2.1), a fim de encontrar algum desvio na estrutura corpórea do paciente. A quantidade de pontos analisada pode variar de acordo com o que cada profissional busca avaliar. Assim fica sobre seu critério a necessidade ou não de levar em consideração um determinado ponto.
Figura 2.1 – Pontos anatômicos nas diversas vistas de um paciente. Estes pontos são posicionados no corpo do paciente antes da aquisição das imagens, e servem para auxiliar o avaliador durante a extração de métricas.
Fonte: Adaptado dos arquivos do sistema SAPO.
Vista Anterior: Na vista anterior o avaliador irá buscar características como se: a cabeça encontra-se bem posicionada sobre os ombros; a linha da porção superior do trapézio é igual em ambos os lados; os ombros encontram-se nivelados; as clavículas
encontram-se niveladas e são iguais; o ângulo de correção em cada cotovelo é igual; os joelhos são retos; as cabeças das fíbulas encontram-se niveladas; os pés apresentam uma angulação lateral igual; entre outras características (MAGEE, 2002).
Vista Posterior: Ao observar o paciente por trás, o avaliador busca analisar as seguintes condições se: os ombros encontram-se nivelados e a cabeça encontra-se na linha média; as espinhas e os ângulos inferiores das escápulas encontram-se nivelados; a coluna vertebral esta reta ou possui curvaturas; os ângulos da cintura encontram-se nivelados; as espinhas ilíacas póstero superiores encontram-se niveladas; as articulações dos joelhos encontram-se niveladas; além de outras características (MAGEE, 2002).
Vistas Laterais: Observando o paciente de lado, o avaliador procura verificar se: o lóbulo da orelha está alinhado à ponta do ombro e o “ponto alto” da crista ilíaca (Esta linha de referência divide o corpo em duas metades, anterior e posterior); cada segmento da coluna vertebral apresenta uma curva normal; o ângulo pélvico é normal; os joelhos estão discretamente flexionados; assim como outras condições identificadas através desta vista (MAGEE, 2002).
Para um maior auxílio na análise observacional, alguns profissionais adotam o uso de grids (ou linhas guias), a fim de melhorar a percepção das linhas simétricas de referência. Um dos aparelhos mais usados neste tipo de avaliação é o Simetógrafo. Com ele o avaliador busca observar desvios posturais, analisando assimetrias no corpo do paciente.
O uso do aparelho se faz através do posicionamento do paciente atrás do simetrógrafo de acrílico transparente ou à frente das linhas de referência analisadas pelo avaliador.
Figura 2.2 – Simetrógrafo. Aparelho utilizado pelo avaliador como referência na observação de assimetrias.
2.1.3 Deficiências nos Métodos Atuais
A metodologia adotada atualmente na realização da avaliação postural pode variar em muitos aspectos. Por exemplo, em pesquisas envolvendo um grande número de pacientes, não se aplica a análise de postura visando obter precisamente todos os resultados que ela pode fornecer. Nos casos em que uma grande quantidade de análises é feita em um mesmo dia, o profissional avaliador tende a desgastar-se com o tempo, prejudicando a qualidade das análises de um modo geral. Em tratando-se do sistema ocular humano, pode-se dizer que quando certo grau de precisão é exigido por longos períodos, à fadiga é inevitável, o que pode levar a erros (ESTIGONE, 2006).
Outra forma de imprecisão que costuma influenciar diretamente no processo de avaliação postural diz respeito à ausência de quantificação nos desvios encontrados. Mesmo em análises mais detalhadas, muitos profissionais costumam classificar os desvios de forma genérica. Por exemplo, um ombro pode estar deslocado "um pouco" acima do outro, ou a cabeça "muito inclinada" à frente. Esta opção compromete a precisão da análise de forma significativa, e praticamente impossibilita futuras comparações entre análises futuras com o mesmo paciente (ESTIGONE, 2006).
Vários estudos (Fedorak et al, 2003; Iunes et al, 2005; Iunes et al, 2009; Glaner et al, 2012) mostram que a avaliação postural realizada por meio da inspeção visual, na maioria das vezes é subjetiva e não confiável, pois depende exclusivamente da habilidade e experiência do avaliador, especialmente quando se compara diferentes avaliadores. Nestes estudos é possível observar maior concordância entre diferentes avaliadores que realizaram a avaliação postural pela fotogrametria do que entre diferentes avaliadores que realizaram a avaliação postural por meio da observação visual.
Para a obtenção de um diagnóstico fisioterapêutico mais preciso faz-se necessária a utilização de técnicas adequadas e exames criteriosos, com uma organização lógica do conhecimento que, a partir do saber geral, é possível observar o que deve ser mensurado no caso em questão (VIEL et al, 2001). Desta forma, é extremamente importante estabelecer um método seqüencial a fim de garantir que nada passe despercebido (GROSS et al, 2009).
Neste contexto, sistemas especialistas podem ser considerados ferramentas úteis para o profissional de Fisioterapia, pois oferecem a possibilidade de tratar a informação de forma lógica e seqüencial, processando conhecimento de maneira a auxiliar no diagnóstico, na tomada de decisão clínica, no prognóstico e na evolução do paciente quanto à terapêutica.
Sistemas especialistas (SE) são programas que têm como objetivo simular o raciocínio de um profissional “expert” em alguma área de conhecimento bem específica.
2.2 BIOFOTOGRAMETRIA
De acordo com a American Society of Photogrammetry, fotogrametria é “a arte, ciência e tecnologia de obtenção de informação confiável sobre objetos físicos e o meio ambiente através de processos de gravação, medição e interpretação de imagens fotográficas e padrões de energia eletromagnética radiante e outras fontes”.
A fotogrametria na área médica, também denominada bioestereometria, tem a finalidade de obter medidas da forma e das dimensões dos corpos ou de parte deles. (Tommaselli, 1999). Esse é um recurso acessível à maioria dos fisioterapeutas que já utilizam a fotografia e possuem equipamentos básicos, como uma câmera digital e um computador, permitindo realizar a avaliação postural e quantificar as alterações encontradas (Iunes, 2005).
A avaliação postural por intermédio da imagem fotográfica tem sido utilizada por muitos pesquisadores, embora alguns ainda se utilizem desse recurso apenas como uma forma de documentação e avaliação qualitativa, ou seja, apenas para detectar e registrar a presença de assimetrias, sem o uso de uma ferramenta para quantificar tais desvios. Dessa forma, com o grande desenvolvimento da informática, tem sido estudada a utilização de fotos obtidas analógica ou digitalmente para avaliação postural quantificativa.
“A fisioterapia tem que criar - e está criando - seus próprios recursos diagnósticos e terapêuticos. A biofotogrametria fala muito mais a língua da Fisioterapia do que uma radiografia e dá mais flexibilidade de opções de tratamento por parte do fisioterapeuta do que qualquer outro exame convencional” (BARAÚNA et.al, 2006).
Com a biofotogrametria computadorizada é possível fazer um diagnóstico rápido, preciso e confiável baseado em imagem estática como a fotografia, ou através de imagem dinâmica como a filmagem de um movimento (PITA et al, 2007).
2.2.1 Imagem
O termo Imagem se refere a uma intensidade luminosa, representada por f(x, y), onde o valor de amplitude f nas coordenadas espaciais (x, y) dá a intensidade (brilho) da imagem naquele ponto (GONZALEZ, 2000).
As imagens que as pessoas observam nas atividades corriqueiras consistem de luz refletida dos objetos. A natureza de f(x, y) pode ser caracterizada pela quantidade de luz incidida na cena, e pela quantidade de luz refletida pelo objeto observado na cena (GONZALEZ, 2000).
Para ser adequada ao processamento computacional, uma função f(x, y) precisa ser digitalizada, tanto espacialmente como em amplitude. A digitalização das coordenadas espaciais (x, y) é denominada amostragem da imagem e a digitalização é chamada quantização em níveis de cinza. Uma imagem digital pode ser considerada como sendo uma matriz cujos índices de linhas e de colunas identificam um ponto na imagem, e o correspondente valor do elemento da matriz identifica o nível de cinza naquele ponto. Os elementos dessa imagem são chamados de elementos da imagem ou pixel. (GONZALEZ, 2000).
Suponha que uma imagem contínua f(x, y) é aproximada por amostras igualmente espaçadas, organizadas na forma de uma matriz N
x M como mostrado na Equação 2.1 em que cada elemento é uma quantidade discreta.
Eq. 2.1 O lado direito da Equação 2.1 representa o que é normalmente denominado uma imagem digital, onde cada elemento da matriz representa um pixel.
2.2.2 Pixel
O termo pixel faz referência ao nome em inglês picture element, ou no português, elemento de figura. Ele é usado para denominar a menor parte que compõe uma imagem.
Sendo a Equação 2.1 uma aproximação de uma imagem contínua. A resolução, ou seja, o gral de detalhamento discerníveis em uma imagem vai depender principalmente do número de amostras e da quantidade de níveis de cinza que é usado para representar cada elemento. Quanto maior for o valor destes dois parâmetros, maior será a imagem original aproximada pela matriz digitalizada (GONZALEZ, 2000).
É difícil definir o que seria uma boa imagem, porque a qualidade de uma imagem, além de ser subjetiva, também vai depender dos requisitos de cada aplicação.
Tendo como exemplo, a imagem da Figura 2.3a possui dimensão de 300 pixels na horizontal e 300 pixels na vertical. Como a imagem possui uma resolução de 72 dpi (pixels por polegada do inglês dots per inches), ela teria que ser representada em um retângulo de com dimensões verticais e horizontais de 4,16 polegadas. A imagem também foi quantizada com oito bits, tendo assim, uma quantidade de 256 níveis de tons de cinza.
Se diminuirmos o número de bits usados na quantização de cada pixel, teremos uma diminuição no número de níveis de cinza usados para representar estes pixels. A imagem da Figura 2.3b foi amostrada com apenas 2 bits de quantização, tendo assim apenas 4 níveis de tons
f(0, 0) f(0, 1) f(0, M-1) f(1, 0) f(1, 1) f(1, M-1)
f(N-1, 0) f(N-1, 1) f(N-1, M-1) f(x, y) ≈
de cinza. O efeito causado pelo uso de um número insuficiente de níveis de cinza em uma imagem é denominado de falso contorno (GONZALEZ, 2000).
Figura 2.3 – Exemplos de imagens digitais. Em (a), imagem de 300x300 pixels, com 72 dpi e 256 tons de cinza. Em (b), imagem com apenas 4 níveis de cinza. Em (c), imagem com resolução de 30x30 pixels.
a b c
Se reduzirmos a resolução espacial da imagem da figura 2.3a para 30 pixels na vertical e 30 pixels na horizontal, mas mantendo a área de exibição, teremos uma resolução de aproximadamente 7,2 dpi. Como número de pixels para preencher toda a área não é suficiente, estes tiveram que ser duplicados, o que causou um efeito de xadrez, como é o caso da imagem na Figura 2.3c (GONZALEZ, 2000). Isto ocorre mesmo que seja mantido o número de quantização com 256 níveis de cinza.
Um pixel p nas coordenadas (x, y) possui quatro vizinhos horizontais e verticais, cujas coordenadas são dadas por:
(x+1, 0), (x-1, 0), (x, y+1), (x, y-1).
Esse conjunto de pixels, chamado vizinhança-de-4 de p, é representado por N4(p). Cada pixel está à uma unidade de distância de (x, y), sendo que alguns dos vizinhos de p ficarão fora da imagem digital se (x, y) estiver na borda da imagem.
Os quatro vizinhos diagonais de p possuem como coordenadas: (x+1, y+1), (x+1, y-1), (x-1, y+1), (x-1, y-1).
E são denotados por ND(p). Esses pontos juntos com a vizinhança-de-4 são chamados de vizinhança-de-8 de p, representada por N8(p). Como antes, alguns dos pontos de ND(p) e N8(p) cairão fora
da imagem quando (x, y) se encontrar na borda da imagem (GONZALEZ, 2000).
2.2.3 Cores
Embora o processo seguido pelo cérebro humano na recepção de cores seja um fenômeno fisiopsicológico que ainda não é completamente compreendido, a natureza física das cores pode ser expressa numa base formal suportada por resultados experimentais e teóricos.
Devido à estrutura do olho humano, todas as cores são vistas como a combinação de três cores básicas: Vermelho (R, do inglês Red), Verde (G, do inglês Green) e Azul (B, do inglês Blue). Para o propósito de padronização, a Comissão Internacional sobre Iluminação (CIE – Comission Internacionale de l`Eclairage) designou em 1931 os seguintes valores de comprimentos de onda específicos para as três cores primárias (GONZALEZ, 2000):
Azul = 435,8 nm; Verde = 546,1 nm; Vermelho = 700 nm.
As características normalmente usadas para distinguir uma cor da outra são: Brilho, Matiz e Saturação. O brilho incorpora a noção cromática da intensidade. Matiz é um atributo associado com o comprimento de onda dominante em uma mistura de ondas de luz. Assim, o matiz representa a cor dominante como percebida por um observador; quando chamamos um objeto de vermelho laranja ou amarelo, estamos especificando o seu matiz. A saturação refere-se à pureza relativa ou quantidade de luz branca misturada com um matiz (GONZALEZ, 2000).
2.2.3.1 Modelo de Cores
O propósito de um modelo de cores é facilitar a especificação das cores em alguma forma padrão e de aceite geral. Essencialmente, um modelo de cor é uma especificação de sistema de coordenadas tridimensionais e um subespaço dentro deste sistema, onde cada cor é representada por um único ponto.
Os modelos de cores amplamente usados para o processamento de imagens são o RGB (Red, Green, Blue), o YIQ (Luminância, em-fase, quadratura) e o HSI (Matiz, Saturação, Intensidade).
No Modelo RGB, cada cor aparece nos seus componentes espectrais primários de vermelho, verde e azul. Esse modelo baseia-se num sistema de coordenadas cartesianas, como pode ser visto na Figura 2.4.
Figura 2.4 – Modelo de cor RGB representado por um cubo tridimensional.
Por conveniência, assume-se que todos os valores de cor foram normalizados, de modo que o cubo da Figura 2.4 seja unitário, Isto é, todos os valores de R, G e B estão no intervalo [0, 1] (GONZALES et al, 2000). Dependendo da quantização adotada, este intervalo pode variar de acordo com o número de bits utilizado na representação de cada elemento.
2.2.4 Processamento de Imagem e OpenCV
O processamento de imagens digitais envolve procedimentos que são geralmente expressos em forma algorítmica. Assim, com exceção da aquisição e da exibição de imagens, a maioria das funções de processamento de imagens pode ser implementada em software (GONZALES et al, 2000).
Basicamente, as técnicas de filtragem são transformações da imagem pixel a pixel, que não dependem apenas da intensidade de um determinado pixel, mas também do valor de intensidade dos pixels vizinhos (GONZALES et al, 2000). O processo de filtragem normalmente é feito através da utilização de matrizes denominadas máscaras, que são aplicadas sobre a imagem através de operações matemáticas (GONZALES et al, 2000).
Atualmente existem uma série de bibliotecas gráficas e de processamento de imagens, que implementam uma enorme gama de funções e algoritmos, dentre estas, podemos citar a OpenGL (Open Grafic Library), que é uma API para desenvolvimentos de aplicativos gráficos; e o OpenCV (Open Source Computer Vision Library), que é uma biblioteca para processamento de imagem.
2.2.4.1 OpenCV
Originalmente, desenvolvida pela Intel, em 2000, OpenCV é uma biblioteca multiplataforma, totalmente livre ao uso acadêmico e comercial, para o desenvolvimento de aplicativos na área de Visão Computacional.
O OpenCV possui módulos de Processamento de Imagens e Video I/O, Estrutura de dados, Álgebra Linear, GUI (Interface Gráfica do Usuário) Básica com sistema de janelas independentes, Controle de mouse e teclado, além de mais de 350 algorítmos de Visão Computacional como: filtros de imagem, calibração de câmera, reconhecimento de objetos, análise estrutural e outros.
A biblioteca foi desenvolvida nas linguagens de programação C/C++. Também, dá suporte a programadores que utilizem Java, Python e Visual Basic, e desejam incorporar a biblioteca a seus aplicativos. A versão 1.0 foi lançada no final de 2006 e a 2.0 foi lançada em setembro de 2009.
Apesar de a biblioteca OpenCV possuir uma série de funções e algoritmos voltados a visão computacional, tendo seu foco de aplicação no processamento de imagens, ela também possui várias ferramentas
para o desenho gráfico. Dentre estas ferramentas podemos citar as funções cvLine, cvElipse, cvRectangle, etc.
2.2.5 Aquisição e Armazenamento
Dois elementos são necessários para a aquisição de imagens digitais. O primeiro é um dispositivo físico que seja sensível a uma banda do espectro de energia eletromagnética e que produza um sinal elétrico de saída proporcional a um nível de energia percebida. O segundo, chamado digitalizador, é um dispositivo para conversão da saída elétrica de um dispositivo de sensoriamento físico para forma digital (GONZALES et al, 2000).
Um tipo de sensor, que é sensível à luz visível e a luz infravermelha, são as chamadas matrizes do estado sólido. Estas são compostas de elementos de imageamento de silício discreto chamado “fotossítios” que têm uma tensão de saída proporcional à luz incidente.
A tecnologia usada nestes sensores de imageamento é baseada principalmente em dispositivos de carga acoplada (charge-coupled devices, CCDs). Estes sensores têm uma resolução mínima de 32 x 32 elementos, podendo chegar a configuração de 2.048 x 2.048 (GONZALES et al, 2000).
Figura 2.5 – Sensor CCD utilizado na aquisição e digitalização de imagens.
Fonte: Wikipédia.
No decorrer do tempo, alguns padrões gráficos foram criados, como é o caso do VGA, Video Graphics Array, criado pela IBM em 1987. Este padrão, define uma resolução de 640 x 480 pixels com uma
quantização que vai de 16 à 256 cores, além de outras características associadas. Em 1989, a mesma IBM, definiu uma extensão para o VGA, conhecida como Super VGA, Super Video Graphics Array. Este novo padrão foi inicialmente definido com 800 x 600 pixels, mas logo em seguida passou a ter uma resolução de 1024 x 768 pixels, com 8 bits de cores, podendo hoje passar dos 16 bits, tendo assim, mais de 64.000 tipos de cores.
Uma imagem de 8 bits com resolução de 1.024 x 1.024 pixels requer um milhão de bytes para seu armazenamento. Assim o armazenamento adequado é sempre um desafio para os projetos de sistema de imagem.
A compressão de imagens trata o problema de reduzir a quantidade de dados necessária para representar uma imagem digital. A base do processo de redução é a remoção de dados redundantes. A transformação é aplicada antes do armazenamento da imagem. Posteriormente, a imagem comprimida é descomprimida para reconstruir a imagem original ou uma aproximação dela (GONZALES et al, 2000).
Um método bastante utilizado na compressão de imagens fotográficas é o JPEG (ou JPG) Joint Photographic Experts Group. Neste método, o grau de redução pode ser ajustado, o que permite escolher o tamanho de armazenamento e seu compromisso com a qualidade da imagem. Geralmente obtém-se uma compressão com perdas não perceptíveis na qualidade da imagem. Além de ser um método de compressão, o JPEG também é considerado como um formato de arquivo (JPEG HOMEPAGE, 2012).
2.2.6 Extração de Métricas
“A biofotogrametria computadorizada desenvolveu-se pela aplicação dos princípios fotogramétricos às imagens fotográficas obtidas em movimentos corporais. A essas imagens foram aplicadas bases de fotointerpretação, gerando uma nova ferramenta de estudo da cinemática” (RICIERI, 2000).
A fotointerpretação é realizada através das regiões corporais como referências ósseas e articulares e suas relações com os planos e eixos, e através dela, obtém-se o planejamento e construção de um mapa
planimétrico condizente com a realidade que se pretende refletir sobre o segmento corporal a ser estudado (PITA et al, 2007).
O processo de coleta de dados é diretamente responsável pelo sucesso ou não da análise, pois esta coleta será a base de toda avaliação posterior a cerca do fenômeno observado. Portanto, antes de colher as imagens, é necessário posicionar corretamente os marcadores de superfície, de acordo com o estudo que será realizado, e para posicioná-los nos pontos adequados (pontos anatômicos), um conhecimento de anatomia palpatória se faz necessário (PITA et al, 2007).
A aplicação de técnicas de biofotogrametria para o acompanhamento de mudanças temporais e investigação científica não é tão simples como aparenta, uma vez que requer vários cuidados metodológicos para padronizar as fotos e evitar efeitos de distorção. As distorções implicam alterações na imagem fotográfica que podem causar impressão enganosa de possíveis assimetrias na postura do indivíduo. Entre os cuidados metodológicos descritos na literatura para obter registros comparáveis estão: o treinamento do fotógrafo, trabalhar com apenas um fotógrafo ou com um número limitado, utilizar sempre a mesma câmera, posicioná-la sempre à mesma distância do paciente, usar tripé e marcas no chão para posicionar o voluntário (Iunes, 2005).
Além disso, a fotografia postural deve ser de alta qualidade, livre de distorções, ter alta nitidez e dimensão suficiente para permitir observações e contrastes, de modo que pequenos detalhes do corpo do sujeito sejam visíveis na fotografia, não levando o examinador a cometer equívocos na análise (Watson, 1998).
A fim de minimizar os erros de medição, é importante lembrar que as medições feitas sobre a imagem de um indivíduo, são sempre realizadas sobre uma projeção deste indivíduo em um plano. Desta forma, deve-se evitar efetuar medições entre pontos pertencentes a planos diferentes da imagem.
2.3 SISTEMA ESPECIALISTA
A palavra inteligência vem do latim inter (entre) e legere (escolher). Inteligência significa aquilo que permite ao ser humano escolher entre uma coisa e outra. A palavra artificial, também oriunda do latim, atificiale, significa aquilo que não é natural, ou seja, que feito pelo homem. Portanto, Inteligência Artificial, é um tipo de inteligência produzido pelo homem. (FERNANDES, 2003).
Apesar de existir muitas definições sobre Inteligência Artificial (IA), hoje ela é vista como um ramo da ciência da computação, sendo ao mesmo tempo recente e muito antiga, já que esta foi construída a partir de idéias filosóficas, científicas e tecnológicas herdadas de outras ciências; algumas tão antigas quanto a lógica, com seus mais de 23 séculos (BITTENCOURT, 1998).
Informalmente pode-se dizer que IA serve para resolver problemas, imitando de certa forma a inteligência dos seres vivos. A Variedade de problemas tratados em IA é tão grande que se torna difícil limitá-los. Pode-se dizer que para resolver um problema, é necessário ter algum conhecimento do domínio do problema e utilizar alguma técnica para buscar a solução do mesmo (BARRETO, 1997).
Dentre as técnicas utilizadas em IA, existem vários modelos que implementam soluções com o intuito de solucionar determinados problemas. Cada modelo possui certas particularidades e são adotados de acordo com o tipo de problema a ser trabalhado. Entre os vários modelos existentes, encontram-se os Algoritmos Genéticos, Raciocínio Baseado em Casos, Redes Neurais e Sistemas Especialistas.
Após os primeiros anos de IA, em que se acreditava ser possível ter um sistema capaz de resolver problemas em geral, começaram a aparecer sistemas mais modestos na abrangência do domínio, mas com grande eficiência em campo específico (BARRETO, 97). Estes sistemas, conhecidos como sistemas especialistas (SEs), busca solucionar problemas que normalmente seriam resolvidos por especialistas humanos (RICH, 94). Assim os SEs podem ser caracterizados como sistemas que reproduzem o conhecimento de um especialista adquirido ao longo dos anos de trabalho (KANDEL, 92).
2.3.1 Estrutura
Um sistema especialista, conforme mostrado na Figura 2.6, é formado basicamente por três partes distintas: uma base de regras, uma memória de trabalho, e uma máquina de inferência. A base de regras e memória de trabalho, ou base de fatos, formam a chamada base de conhecimento do sistema especialista, onde está representado o conhecimento sobre o domínio. A máquina de inferência é o mecanismo de controle do sistema que avalia e aplica as regras de acordo com a memória de trabalho (BITTENCOURT, 98).
Além dos mecanismos básicos necessários para o funcionamento do SE, este também possui uma interface responsável pela aquisição da
informação do usuário e um subsistema de explicação. Este subsistema de explicação é destinado a explicar ao usuário a linha de raciocínio que o sistema especialista utilizou para chegar à conclusão.
A interface com o usuário é uma parte do sistema utilizada para estabelecer um meio de comunicação entre o usuário e o sistema. A comunicação pode ser através de menus, perguntas e representações gráficas que são exibidas na tela do computador (FERNANDES, 2003). Figura 2.6 – Estrutura de um Sistema Especialista, sendo esta composta basicamente por uma memória de trabalho, uma base de regras e uma máquina de inferência.
Fonte: (BITTENCOURT, 98).
2.3.1.1 Base de Conhecimento
A base de conhecimento é o conjunto de informações (conhecimentos) a respeito do domínio do problema. Este conhecimento será utilizado nas tomadas de decisão, que por sua vez é feitas através da inferência de fatos e regras ou outro tipo de representação, tal como lógica matemática, redes semânticas ou frames (FERRARI, 2005).
A base de fatos são as informações já conhecidas (fatos) e que podem ser considerados como ponto de partida para a resolução dos problemas investigado. A base de regras representa os conhecimentos que são extraídos diretamente dos especialistas. Estes conhecimentos representam o pensamento desenvolvido pelo especialista, tendo como por base os fatos já conhecidos e as deduções a partir deles (MONTELLO, 1999).
Representar o conhecimento por regras é uma maneira bastante utilizada nos diversos sistemas especialistas existentes atualmente, nos quais o conhecimento é representado por pares “condição – ação”, na forma de regras de produção IF – THEN (FERNANDES, 2003).
Existem duas maneiras para se validar as regras de um SE. A primeira é através do método Forward Chaining (Encadeamento para Frente), onde se partindo de um ponto chega-se a uma conclusão. A segunda, conhecida como Backward Chaining (Encadeamento para Trás), onde partindo de uma previsão (hipótese), buscam-se valores para confirmá-la (FERNANDES, 2003).
2.3.1.2 Máquina de Inferência
As funções básicas da máquina de inferência são inferência e controle. Ela contém um interpretador que decide como aplicar as regras a fim de gerar novo conhecimento, além de possuir uma lista de prioridade de aplicações destas regras (WATERMAN, 1986).
Depois de iniciado o sistema, a máquina de inferência busca na base de conhecimento, fatos e regras e compara estes fatos com a informação fornecida pelo usuário. A operação da máquina de inferência é baseada em algoritmos que definem a busca específica e a unificação de regras. Basicamente, a máquina de inferência compara a entrada fornecida pelo usuário com as regras contidas na base de conhecimento buscando combinações (FERNANDES, 2003).
2.3.2 Construção de um Sistema Especialista
Ao longo de suas vidas, as pessoas vão acumulando conhecimentos que lhes permitirão agir de modo a mostrar que são seres inteligentes. Isto é denominado de aprendizado.
O conhecimento pode ser definido como a informação armazenada, como modelos usados por pessoas ou máquinas para interpretar, predizer e responder apropriadamente ao mundo exterior. O conhecimento é um conceito que foge ao modelo puramente biológico, abrindo espaço para as idéias já plenamente aceitas e usadas (FISCHLER, 1987).
Como ponto de partida na construção do sistema especialista, o Engenheiro de Conhecimento entrevista um especialista no domínio do problema a fim de elucidar o conhecimento especialista (RICH, 1994).
O desenvolvimento de um sistema sspecialista pode ser estruturado em cinco fases distinta, definidas como Identificação, Conceituação, Formalização, Implementação e Testes.
Na primeira etapa, são identificadas as características básicas do problema a ser resolvido. O que envolve, além dos participantes, a
identificação dos recursos, das metas e dos objetivos do sistema especialista.
Na fase de Conceituação, são determinados os conceitos, relações e mecanismos de controle que envolve a descrição do problema. Nesta fase também é feito um detalhamento para ser usado na representação do conhecimento.
A fase de Formalização engloba a expressão de conceito e de relações chaves, de uma forma geral. Nesta etapa, são observados três aspectos importantes: o espaço de hipóteses, evolvendo o refinamento de conceitos, características e interligação; o modelo subjacente, descrevendo como as soluções são formadas; e as características dos dados, englobando a definição de tipos, precisão, consistência, volume e formas de aquisição.
Na etapa de Implementação, o especialista deve fornecer os conceitos e regras de sua área de conhecimento, de acordo com as estratégias definidas na fase de formalização. Estas regras serão adaptadas às estruturas previamente determinadas, de acordo com a ferramenta utilizada na implementação.
Por fim, tem-se a etapa de Testes e Avaliação. Nesta fase o sistema especialista deve ser testado e avaliado, levando-se em conta o desempenho e a utilidade (WATERMAN, 1986).
Durante a construção de um sistema especialista, o Engenheiro de Conhecimento é uma figura central, tanto na construção do sistema especialista, vista sob o aspecto técnico, como na aquisição do conhecimento (ROLANDI, 1986).
A Aquisição do Conhecimento é tida como a parte mais crítica do desenvolvimento de um sistema especialista. Esta não pode limitar-se a adicionar novos elementos à base de conhecimentos, sendo necessário relacionar os novos conhecimentos aos já existentes na base (BITTENCOURT, 1998).
2.3.3 Tratamento de Incerteza
Devidos as dificuldades para obter informações precisas e de equacionar a realidade imprecisas do mundo, cientistas adotaram lógicas alternativas que seriam adequadas à representação daquele mundo em particular (DE AZEVEDO, 2000).
Atualmente, os sistemas especialistas são munidos de um mecanismo de tratamento de incertezas, que permite ao mesmo representar a incerteza pertinente ao conhecimento do domínio. Dentre
os mecanismos, pode-se citar a Lógica Fuzzy, o Raciocínio Probabilístico e os Fatores de Certeza (FERRARI, 2005).
A Lógica Fuzzy tem como objetivo possibilitar um conjunto de graduações na pertinência de um elemento em uma dada classe. Ou seja, de permitir que determinado elemento possa pertencer com mais ou menos intensidade àquela classe. Já o Raciocínio Probabilístico, apóia-se sobre a probabilidade dos fatos de um domínio.
No caso do Fator de Certeza, este é definido como uma função da Medida Crença (MC) em relação à Medida de Descrença (MD), em uma determinada Hipótese (H), para uma Evidência (E).
FC (H, E) = MC (H, E) – MD (H, E) Onde,
FC (H, E) é o fator de certeza na hipótese H para uma mesma evidência E;
MC (H, E) é a medida de crença em H, dado a evidência E; MD (H, E) é a medida de descrença em H, dado a evidência E. Por sua vez, as medidas de crença e descrença são definidas como (RICH, 1988):
Onde,
P(H) é a probabilidade de ocorrer a hipótese H;
P(H/E) é a probabilidade de ocorrer a hipótese H, dada a ocorrência da evidência E. 1 Min[ P(H/E), P(H) ] – P(H) Min[1, 0] - P(H) , P(H) = 0 , P(H) ≠ 0 MD(H, E) = 1 Max[ P(H/E), P(H) ] – P(H) Max[1, 0] - P(H) , P(H) = 1 , P(H) ≠ 1 MC(H, E) =
2.3.4 Shell para Sistema Especialista
Inicialmente cada sistema especialista era criado a partir do zero, sendo que todo o sistema computacional era programado, em geral em LISP. Mas, depois de muitos sistemas terem sido desenvolvidos, fico claro que esses sistemas tinham muito em comum. Em particular, devido ao fato de os sistemas serem construídos como um conjunto de representações declarativas (regras) combinadas com um interpretador. Observou-se que era possível separar o interpretador do conhecimento específico do domínio da aplicação. Assim cria-se um sistema que poderia ser usado para elaborar novos sistemas especialistas. Os interpretadores resultantes são chamados de SHELLs (RICH, 1994).
A idéia principal de uma SHELL é separar a base de conhecimento, referente ao domino do problema, da máquina de inferência, responsável por mover o sistema. Assim, o usuário deve se preocupar apenas em obter o conhecimento do especialista humano (FERRARI, 2005).
Os primeiros SHELLs de sistemas especialistas ofereciam mecanismos para a representação do conhecimento, raciocínio e explicações. Com o aumento das experiências com esses sistemas para solucionar problemas do mundo real, ficou claro que os SHELLs precisavam facilitar a integração dos sistemas especialistas com outros programas, permitindo, por exemplo, o acesso a bancos de dados de outros sistemas (RICH, 1994).
Dentre as características e ferramentas que englobam uma SHELL, estão (FERRARI, 2005):
Mecanismos de Inferência; Acesso à base de dados;
Interface de diálogos em linguagem natural; Facilidade de explicações.
Existem várias SHELLs no mercado atualmente, como por exemplo: NETICA, SPIRIT, Expert Sinta, Intellec System, ect.
2.3.5 Intellect System
O Intellec System é uma SHELL de sistema especialista desenvolvido pelo Instituto de Engenharia Biomédica, IEB-UFSC. Esta SHELL permite a implementação automática de sistemas especialistas,
assim como sua posterior consulta, através da geração automática de menus (FERRARI, 2005).
Basicamente o Intellec System está dividido em três módulos distintos, definidos como:
Módulo Editar Base de Conhecimento; Módulo Consultar;
Módulo Depurar.
O sistema (SHELL) é composto por um arquivo executável principal e outras duas DLLs. A criação das DLLs surgiu da necessidade de comunicação entre diferentes linguagens de programação. Quando o programa principal executa uma consulta a um sistema especialista, ele chama uma função em uma das DLLs, escrita em Prolog e responsável pela ativação da máquina de inferência. Já a outra DLL foi escrita em Delphi e é responsável pela interação final com o usuário, fazendo as perguntas, cujas respostas irão alimentar o sistema especialista (FERRARI, 2005). Quanto ao executável principal, este é responsável pela criação das bases de conhecimento, e na sua primeira versão foi escrito em Delphi (FERRARI, 2005). Já na segunda versão, com algumas melhorias e novas funcionalidades, este programa foi escrito em C++ (PAMPLONA, 2012).
Figura 2.7 – Estrutura do sistema Intellec System. Este é composto pelo sistema principal e por duas DLLs, sendo uma responsável pelas telas de interação com o usuário e outra referente à máquina de inferência.
2.3.5.1 Módulo Editar Base de Conhecimento
Este módulo engloba toda a IDE (Integrated Development Environment) do sistema. É através dela que o usuário constrói uma nova base de conhecimento, ou modifica uma base existente.
Durante a criação de uma base de conhecimento, o sistema segue a seguinte seqüência: Sistema Principal Delphi / C++ Entrada de Dados DLL: Delphi Máquina de Inferência DLL: Prolog Ativação da Máquina de Inferência
Obtenção dos Dados do Usuário
Descrição do Sistema Especialista; Definição das variáveis;
Definição dos objetivos; Elaboração das regras;
Definição dos valores verdade; Elaboração das perguntas.
O sistema permite o uso de variáveis numéricas, lingüísticas ou imagem. As regras são construídas no formato SE... ENTÃO. Sendo que para cada regra o especialista deverá fornecer a lista de premissas, a conclusão e o valor verdade.
A definição dos valores verdade permite ao usuário associar graus de confiança a cada uma das respostas assinaladas. Estes valores verdade são utilizados para as perguntas com tratamento de incerteza fuzzy (FERRARI, 2005).
O arquivo criado pelo sistema Intellec System possui extensão do tipo “.esp”, sendo que este contém a base de conhecimento do sistema especialista.
Figura 2.8 – Interface do sistema Intelle System com as janelas de lista de variáveis, lista de regras e lista de perguntas.
2.3.5.2 Módulo Consultar
Este módulo faz uso das duas DLL que compõem o sistema. Sendo uma referente à máquina de inferência e outra referente às janelas de perguntas.
Através deste módulo é possível consultar qualquer base de conhecimento criada com o Intellec. As perguntas são realizadas de acordo com a definição das regras. Sendo que dependendo das respostas e das regras estabelecidas, uma ou outra pergunta será chamada.
Após responder todas as questões, o sistema irá informar ao usuário as respostas encontradas, assim como o fator de certeza para uma delas.
Figura 2.9 – Janela de perguntas ao usuário. Nesta janela são cadastradas as perguntas que serão feitas ao usuário durante a execução do sistema especialista.
